Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Нейроморфные системы - будущее искусственного интеллекта

11,901 views

Published on

Лекция об области исследований

Published in: Investor Relations
  • Dating direct: ❶❶❶ http://bit.ly/39pMlLF ❶❶❶
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • Sex in your area is here: ♥♥♥ http://bit.ly/39pMlLF ♥♥♥
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here

Нейроморфные системы - будущее искусственного интеллекта

  1. 1. М. БурцевКафедра Кибернетики,НИЯУ МИФИЛаб. Нейроинтеллекта инейроморфных систем,Курчатовский НБИКC-ЦентрНИИ Нормальной физиологииим. П.К. Анохина РАМНИнститут прикладной математикиим. М.В. Келдыша РАН
  2. 2. Что такое Искусственныйинтеллект (ИИ)? Искусственный интеллект - интеллектуальные машины и область компьютерных наук, которая стремится их создать. Основное свойство Homo sapiens человека разумного – разум, может быть настолько точно описан, что может быть воспроизведен машиной.
  3. 3. Вычисления и интеллект IBM Deep Blue (1997)  2 108 позиций в секунду  11 GFLOPS IBM Watson (2011)  2880 POWER7 processor cores  16 Tб of RAM  500 Гб/с  80 TFLOPS
  4. 4. Вычисления и интеллект
  5. 5. Вычисления и интеллект
  6. 6. Вычисления и интеллект
  7. 7. Вычисления и интеллект
  8. 8. Два пути мозг можно искусственные Нейроны передают смоделировать нейронныеэлектрические сигналы электрической схемой сетиЧеловеческий интеллект компьютер совершаетоснован на манипуляции манипуляции с искусственный с символами символами интеллект
  9. 9. История ИИ • 1958, H. A. Simon and Allen Newell: "within ten years a digital computer will be the worlds chess champion" and "within ten years a digital computer will discover and prove an important new mathematical theorem." • 1965, H. A. Simon: "machines will be capable, within twenty years, of doing any work a man can do." • 1967, Marvin Minsky: "Within a generation ... the problem of creating artificial intelligence will substantially be solved." • 1970, Marvin Minsky: "In from three to eight years we will have a machine with the general intelligence of an average human being."
  10. 10. Обещания ИИ
  11. 11. А что же нейробиологи?
  12. 12. А что же нейробиологи? H. Markram (104 нейронов, 108 синапсов)  Смоделирована кортикальная колонка
  13. 13. А что же нейробиологи? E. Ижикевич (1011 нейронов, 1015 синапсов) Воспроизведены частоты спайковой активности различных типов корковых нейронов. Ритмы и волны распространения спонтанной активности по своим параметрам похожи на наблюдаемые in vivo. Модельный фМРТ похож на регистриуемый на человеке. Пертрубация одного спайка (из миллионов) ведет к перестройки активности всей сети за доли секунды.
  14. 14. Проблема Интеллект человека является очень сложным объектом Прямое создание целостной теории очень трудно
  15. 15. БУДУЩЕЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА? ТРЕБУЕТСЯ ПЕРЕЗАГРУЗКА!
  16. 16. Нейроморфные системы искусственного интеллектаКаксамоорганизациямиллиардовадаптивныхэлементов приводитк возникновениюсистемныхкогнитивныхпроцессов?•Искусственный интеллектоснованный на принципахработы мозга•Пути повышенияэффективностиестественного иискусственного интеллекта
  17. 17. Теория функциональных систем отбор развитие проблема обучение
  18. 18. Модель эволюционного сиcтемогенеза  Эволюция нейросетевых агентов в среде с иерархией целей  Задача: обучение цепочкам целенаправленных действий в среде с конкурирующими целями
  19. 19. Модель эволюционного сиcтемогенеза 700 600номер поведенческой стратегии 500 400 300 200 100 0 3000приспособленность 2000 1000 0 0 1000 2000 поколения 3000 4000 5000
  20. 20. Модель эволюционного сиcтемогенеза 117 86 30 29 162 28 126 31 161 32 127
  21. 21. Модель эволюционного сиcтемогенеза Действие № 8 1 4 13 3 9 6 интер-нейронов 10 1 Активность 00 1 2 4 2 11 13 7 5 4 12 - состояние 5 5 3 10 - действие 31 29 27 # нейрона 25 23 21 19 17 15 30 35 40 45 50 55 60 65 70 75 80 85 90 Время
  22. 22. Модель эволюционного сиcтемогенеза Эволюция локомоции
  23. 23. Обучение в теории функциональных систем Генерация Реализация (и фиксация) функции и новой предсказание функциональной результата системы действий Детекция рассогла- сования
  24. 24. Обучение в теории функциональных системТеория функциональных систем Модели нейронных Обучение происходит за счет сетей формирования новых  Обучение происходит за счет функциональных систем изменения связей в сети путем «надстройки» имеющихся систем Имеющиеся системы  Имеющиеся связи сохраняются нарушаются На нейрональном уровне  На нейрональном уровне надстройка функциональной происходит изменение связей системы выражается в между всеми активными специализации нейронов нейронами
  25. 25. Обучение в теории функциональных систем  Распознавание образов (категоризация)  Требования  для эффективного обучения необходимо формировать нейрональные группы уже при однократном столкновении с проблемой  для сохранения памяти, новые группы не должны нарушать работу старых  Построение конкуренции между областями притяжения динамики
  26. 26. Генерация Реализация Рассогласование Новые (значимые) признаки проблемной ситуации связываются с действиями История генерации ФС формирует новую память Специализация нейронов позволяет сохранить имеющуюся память
  27. 27. Генерация Реализация Рассогласование Категоризация и воспроизведение
  28. 28. Генерация Реализация Рассогласование
  29. 29. Генерация Реализация Рассогласование Сравнение точности категоризации с аналогичным подходом  Вероятность правильного отклика сети в ответ на зашумленный образ. а) Предложенная модель б)Ассоциативная сеть Хопфилда.  Р1- вероятность молчания активного нейрона исходного паттерна  Р2 – вероятность активации нейрона, не принадлежащего исходному паттерну.
  30. 30. Генерация Реализация Рассогласование Для достижения результата в новых условиях обычно необходима последовательность действий Сформированная динамическая цепочка активаций специализированных нейронов дает возможность предсказания
  31. 31. Генерация Реализация Рассогласование Системогенез нужен, когда одна из имеющихся систем не может получить свой результат Если системогенез происходит за счет специализации, то откуда нейроны, которые могут подключиться к системе, узнают, что пора специализироваться? Знать о проблеме могут только клетки конкретного АРД. Что это за клетки?
  32. 32. Динамическая модель ФС Задача: обучение цепочкам целенаправленных действий в среде с конкурирующими целями Элементарная ФС  Активируется в проблемном состоянии для выполнения необходимых действий  После достижения целевого состояния деактивируется. а) б) Рис. а) Фазовая плоскость функциональной системы. б) Динамика функциональной системы при воздействии управляющих импульсов
  33. 33. Эксперименты 0000«Жизнь мыши» 1000 0100 0010 0001FS1: 0000 – нора спатьFS2: 0001 – нора 1100 1010 1001 0110 0101 0011размножатьсяFS3: 1010 – пища 1110 1101 1011 0111FS4: 0111 – вода 1111
  34. 34. Эксперименты Среда с несколькими целями до обучения после обучения
  35. 35. Динамическая модель ФС Среда с несколькими целями рост числа вторичных систем при обучении
  36. 36. Эксперименты Сравнение с обучением с подкреплением  Адаптация агента в нестационарной среде и конструкция альтернативных цепочек действий 1111 1111 11111101 0111 1101 0111 1101 0111 или1001 0011 1001 0011 1001 0011 0001 0001 0001 0000 0000 0000 50 % одно из красных ребер удалено в каждом опыте (переход невозможен, среда нестационарная)
  37. 37. Эксперименты Сравнение с обучением с подкреплением  Адаптация агента в нестационарной среде и конструкция альтернативных цепочек действийКоличество элементарных действий до цели в зависимости от номера попытки. DS –предложенная модель; Q – алгоритм обучения с подкреплением Q-learning при различныхпараметрах фактора обучения (LF) и дисконтирующего фактора (DF).
  38. 38. Будущее искусственного интеллекта Алгоритмы интеллектуальных систем, основанные на «грубой» вычислительной силе катастрофично неэффективны Вычислительных возможностей современных компьютеров с лихвой достаточно для обеспечения интеллектуального поведения В любой момент может быть найден подход, на порядки повышающий вычислительную эффективность интеллектуальных систем Одно из перспективных направлений поиска – нейроморфные системы – системы основанные на интеллектуальных алгоритмах «подсмотренных» у живых систем.

×